一、研究背景

电子鼻是20世纪90年代中期发展起来的一种用于分析、辨识气味物质总体特征的新型检测仪器。其利用多个具有不同性质的金属氧化物半导体传感器组合成传感器阵列，结合特定的智能自学习、自辨识模式 识别算法构建的一类嗅觉仿生系统。 当一种或多种风味物质经过全自动电子鼻时，该风味物质的“气味指纹”可以被传感器感知并经过特 殊的智能模式识别算法提取。利用不同风味物质的不同“气味指纹”信息，就可以来区分、辨识不同的气 体样本。某些特定的风味物质恰好可以表征样品在不同的原料产地、不同的收货时间、不同的加工条件、 不同存放环境等多变量影响下的综合质量信息。因此可以利用电子鼻对不同样品进行辨别区分。

二、算法介绍

1.主成分分析（PCA）: PCA是在对样品特性一无所知的前提下，通过对原始数据向量进行线性变换，从而在一定的视角来寻找样品间的差异的一种算法。用于挖掘有用的信息，给出具有不同气味区域和簇的描述性图表。该算法不丢失任何样品信息，仅仅通过改变坐标轴来达到区分样品的目的。

2.线性判别分析(linear discriminant analysis，LDA)是对费舍尔的线性鉴别方法的归纳，这种方法使 用统计学，模式识别和机器学习方法，试图找到两类物体或事件的特征的一个线性组合，以能够特征化或 区分它们。所得的组合可用来作为一个线性分类器，或者，更常见的是，为后续的分类做降维处理。

3.支持向量机（SVM ，Support Vector Machine）是一类按监督学习方式对数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解的最大边距超平面（maximum-margin hyperplane）。在解决小样本、非线性及高维模式识别中表现出许多优势，并能够推广应用到函数拟合等其他机器学习问题中。

三、实验

1.样品信息

样品为3种河豚鱼肉糜，每个样品6个平行，其中3个加热至熟。

2.样品处理及实验参数

检测时,将样品装于进样瓶，附上封口膜，静置30分钟以上，根据固气平衡及固液平衡原理，一定时间 后样品挥发出来的气体会充满上部的顶空空间，该过程需保持测试环境的温度及湿度一致。每次进样设定 10ml,预检，确定适宜实验参数，进行正式实验。样品检测参数见表1。

3. 实验结果分析

图中，横坐标表示第一主成分所占整体信息量的百分比 81.62%，纵坐标表示第二主成分所占整体信息量的百分比 12.65%。在图中主成分 1 和主成分 2 的总贡献率为 94.27%，基本可以代表样品全部信息。 图中，样品无交叉、边界明显，说明样品差异显著，电子鼻可对不同的河豚鱼肉进行区分鉴别。